基于自然语言和脑电的高反刍人群识别研究
李晨曦
李宇龙
王玲玲
林鑫鑫
戴红
崔迪
方鹏
苗丹民
空军军医大学军事医学心理学系,陕西省生物电磁检测与智能感知重点实验室,陕西西安 710032
摘要：目的 基于脑电(EEG)技术,通过自然语言诱发反刍的EEG信号特征,研究可用于识别高反刍人群的新模型.方法 分析46名高反刍者(反刍组)和29名正常被试(对照组),将自主编写刺激语料作为反刍的诱发材料,采集被试在阅读刺激材料并回答问题状态下的EEG信号,计算不同通道对之间的信号相干性特征,通过支持向量机构建高反刍人群的分类识别模型.结果 支持向量机分类研究显示,仅用中性题目和反刍题目进行反刍人群分类的准确率分别为86.67％和66.67％,而将两种刺激材料的题目全脑EEG信号的相干性特征用于分类的准确率为86.67％,并且具有较好的灵敏度和特异度.结论 以上研究结果表明,采用基于自然语言分析编制的反刍量表联合EEG技术在一定程度上可以辅助识别高反刍人群,这种技术可作为探索心理测量的新范式.
关键词：反刍自然语言分析诱发材料脑电支持向量机
分类号：R318(医用一般科学)
资助基金：中国博士后科学基金面上项目(2019M653963)空军军医大学雏鹰计划项目(2020CYJHFP)
论文发表日期：2023-10-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 930-935 )
英文信息